日本庆应义塾大学医学院林田哲专任讲师和北川雄光教授领导的多机构联合研究团队与 Fixstars公司共同开发出了一种使用深度学习技术的人工智能 (AI) 图像诊断系统。该系统可以高精度地判断接受乳腺癌筛查（乳房超声检查）的人员是否应该进一步接受精密检查。相关论文已发表在日本癌症协会官方杂志《Cancer Science》的在线版上。
通过AI识别病灶，BI-RADS 4以上者（需要精密检查）会显示为橙色，BI-RADS 3以下者（无需精密检查）显示为蓝色（供图：庆应义塾大学）
这是使用深度学习技术之一的 CNN（Convolutional Neural Network,卷积神经网络）技术开发的 AI，能够根据乳腺超声成像诊断的国际标准BI-RADS的判断标准进行诊断，并确定所检查的超声图像中是否包含需要精密检查的病灶。
研究团队使用该AI系统，让其对3166张与训练数据不同的乳腺超声图像（包含3656个病灶）进行诊断，结果显示，AI能够以91.2%的灵敏度、90.7%的特异度精确地进行诊断。考虑到日本乳腺癌检查精度管理中央机构认定的“乳腺癌检查超声波检查实施・判定医生”的合格标准为灵敏度70%、特异度70%，可以说AI的诊断结果大幅度超过上述标准。
此外，将包括10名外科专家在内的20名医生的乳房超声图像诊断结果与AI的诊断结果进行比较，AI的诊断结果在统计学意义上精度更高。
今后，将在乳腺癌筛查和体检等的乳房超声波检查中，将此次的AI系统用作医生的诊断辅助工具。通过防止漏诊和误诊，有望为提高诊断的精度、消除设施间的差距等医疗技术差距做出贡献。
原文：《科学新闻》
翻译编辑：JST客观日本编辑部
【论文信息】
杂志：Cancer Science
题目：Establishment of a deep-learning system to diagnose BI-RADS4a or higher using breast ultrasound for clinical application
DOI：10.1111/cas.15511.
